---
title: "A/B-Test-Rechner: statistische Signifikanz berechnen"
description: "Kostenloser A/B-Test-Rechner. Gib Besucher und Conversions für A und B ein und erhalte p-Wert, Uplift, Konfidenzintervall und die nötige Stichprobengröße."
url: https://scratcher.io/de/ab-test-calculator
language: de
---

Kostenloses Tool

# A/B-Test-Rechner für Signifikanz

Prüfe, ob der Unterschied zwischen zwei Varianten statistisch signifikant ist, und berechne, wie viele Besucher ein Test braucht. Kostenlos, ohne Anmeldung, mit allen Formeln.

## Was statistische Signifikanz in einem A/B-Test bedeutet

In einem A/B-Test zeigst du zwei Versionen von etwas zwei zufälligen Gruppen und vergleichst, wie viele konvertieren. Variante B erreicht fast nie genau dieselbe Rate wie Variante A, auch wenn die Änderung gar nichts bewirkt. Die Frage ist, ob der Abstand größer ist, als du allein durch Zufall erwarten würdest.

Der p-Wert beantwortet das. Er ist die Wahrscheinlichkeit, einen mindestens so großen Unterschied zu sehen, wenn beide Varianten in Wirklichkeit gleich gut wären. Ein p-Wert von 0,036 heißt: Ein Abstand wie deiner würde in etwa 3,6 % der Tests ohne echten Unterschied zufällig auftreten. Liegt der p-Wert unter deiner Schwelle (0,05 bei einem Konfidenzniveau von 95 %), nennt man das Ergebnis statistisch signifikant.

## So funktioniert der Rechner

Der Rechner nutzt einen z-Test für zwei Anteile. Er fasst die Conversions beider Varianten zusammen, um die Rate zu schätzen, die du ohne Unterschied erwarten würdest, berechnet daraus den Standardfehler und teilt den Unterschied der beiden Raten durch ihn. Das Ergebnis ist der z-Wert: wie viele Standardfehler die beiden Raten auseinanderliegen. Der p-Wert kommt aus der Normalverteilung.

Ein Beispiel: Variante A erzielt 100 Conversions bei 1.000 Besuchern (10 %), Variante B 130 bei 1.000 (13 %). Das ist ein relativer Uplift von 30 %, ein z-Wert von etwa 2,10 und ein zweiseitiger p-Wert von etwa 0,036. B ist bei 95 % signifikant besser, bei 99 % aber nicht.

Das Konfidenzintervall zeigt den Bereich, in dem der wahre Unterschied wahrscheinlich liegt. Im Beispiel reicht es von etwa +0,2 bis +5,8 Prozentpunkten. Ein breites Intervall zeigt, dass der Test noch ungenau ist, auch wenn er signifikant ist.

Du machst eine Umfrage statt eines Tests? Mit unserem Tool kannst du die [Stichprobengröße berechnen](https://scratcher.io/de/survey-sample-size-calculator) und siehst, wie viele Antworten du brauchst.

## Plane zuerst die Stichprobengröße

Die meisten gescheiterten Tests sind zu klein. Lege vor dem Start fest, welche Veränderung mindestens nötig ist, damit du handelst, und sieh mit der Testplanung nach, wie viele Besucher jede Variante bei 80 % Power braucht. Power ist die Wahrscheinlichkeit, dass der Test einen Effekt dieser Größe erkennt, wenn es ihn wirklich gibt. Lass den Test dann laufen, bis du diese Zahl erreichst, und zwar über ganze Wochen, damit Werktage und Wochenenden dabei sind.

Ein paar weitere Regeln helfen:

1. **Teste immer nur eine Änderung**, zum Beispiel den Preis, das Spielformat oder die Zahl der Formularfelder, damit du weißt, was den Unterschied gemacht hat.
2. **Wähle die Kennzahl vor dem Test.** Anmelderate, Abschlussrate und Opt-in-Rate können sich in verschiedene Richtungen bewegen.
3. **Nicht spicken und abbrechen.** Wer abbricht, sobald der p-Wert unter 0,05 fällt, bekommt viel öfter falsche Gewinner.

Unser Leitfaden zum [A/B-Testing von Gamification-Kampagnen](https://scratcher.io/de/blog/ab-test-gamified-campaign) zeigt, was sich in einer Kampagne zu testen lohnt, und die Liste der [Gamification-Marketing-KPIs](https://scratcher.io/de/blog/top-gamification-marketing-kpis) hilft dir bei der Wahl der Kennzahl. In Scratcher findest du die Zahlen jeder Kampagne unter [Analytics](https://scratcher.io/de/platform/analytics). Was eine bessere Conversion-Rate in Euro wert ist, zeigt dir der [ROI-Rechner für Kampagnen](https://scratcher.io/de/campaign-roi-calculator).

*Statistische Signifikanz sagt dir, ob ein Unterschied wahrscheinlich echt ist, nicht ob er groß genug ist, um wichtig zu sein. Schau dir auch den Uplift und das Konfidenzintervall an.*

Fragen

## Fragen zur Signifikanz im A/B-Test

[Termin buchen](https://scratcher.io/de/book-a-meeting)

### Ist der A/B-Test-Rechner kostenlos?

Ja. Du kannst ihn so oft nutzen, wie du willst, und brauchst kein Konto. Nichts, was du eingibst, wird an uns gesendet.

### Ab welchem p-Wert ist ein Ergebnis signifikant?

Das hängt vom Konfidenzniveau ab, das du vor dem Test wählst. Bei 95 % ist ein p-Wert unter 0,05 signifikant. Bei 90 % liegt die Schwelle bei 0,10, bei 99 % bei 0,01. Ein strengeres Niveau bedeutet weniger falsche Gewinner, braucht aber mehr Besucher.

### Soll ich einen einseitigen oder einen zweiseitigen Test nutzen?

Nimm den zweiseitigen Test, außer du hast vorher entschieden, dass dich nur interessiert, ob B besser ist, und du ein schlechteres B genauso behandeln würdest wie keinen Unterschied. Ein einseitiger Test wird schneller signifikant, kann dir aber nicht sagen, dass B schlechter ist.

### Mein Ergebnis ist nicht signifikant. Was jetzt?

Das heißt, der Test hat keinen Unterschied gezeigt, nicht, dass es keinen gibt. Sieh in der Testplanung nach: Hast du weit weniger Besucher als nötig, lass den Test weiterlaufen. Hast du die geplante Stichprobengröße erreicht, behandle die Varianten als gleich gut und teste eine größere Änderung.

### Warum warnt der Rechner bei kleinen Stichproben?

Der z-Test beruht auf einer Näherung, die nur funktioniert, wenn jede Variante genug Conversions und Nicht-Conversions hat, grob 5 oder mehr von beidem. Mit weniger Daten kann der p-Wert in die Irre führen. Sammle also mehr, bevor du entscheidest.

## Lass die nächste Auslosung von selbst laufen

Veranstalte dein Gewinnspiel auf deiner eigenen Seite, sammle E-Mails und Einwilligungen und lass die Gewinner für dich ziehen. 14 Tage kostenlos testen, ohne Kreditkarte.

[Kostenlos testen](https://platform.scratcher.io/de/register) [Termin buchen](https://scratcher.io/de/book-a-meeting)
